关键词maximum likelihood training
搜索结果 - 6
- 快速统一的路径梯度估计方法用于正规化流
我们提出了一种快速路径梯度估计器，它显著提高了计算效率，并适用于所有实际相关的标准化流体结构。我们还证明了该估计器可以应用于最大似然训练，并且在几个自然科学应用中具有优越的性能和降低的方差。
- 自适应流抽样平衡训练能量函数模型
本研究提出一种新的最大似然训练算法，使用正规化流（NF）来提高能量基模型（EBMs）的采样效率及精度。
- 基于分数的扩散模型的最大似然训练
本文提出基于分数的扩散模型的最大似然训练方法，其中采用一种特定的权重方案，目标函数上界拘束负对数似然函数，达到了与当前最先进的自回归模型同等水平的负对数似然性能，验证了该方法在多个数据集、随机过程和模型结构上的有效性。
- 生成 VoxelNet：学习基于能量的模型进行 3D 形状合成与分析
本论文提出了一种基于能量的深度 3D 模型来表示体积形状，可实现高质量 3D 图案生成和数据特征提取，并能应用于对象恢复和超分辨率。
- 凸势流：具有最优输运和凸优化的通用概率分布
本文介绍了由 Optimal Transport 理论激发的、参数化反演模型的自然和有效表示 ——Convex Potential Flows (CP-Flow)，提供了一个新的梯度估计器以最大限度地提高模型效果，并证明了 CP-Flows - 无限受限玻尔兹曼机
本文提出了一种对受限玻尔兹曼机的数学构造，它不需要指定隐藏单元的数量，通过将 RBM 扩展为对其隐藏单元进行排序的灵敏性，再通过精心选择的能量函数的定义，我们表明，无限多的隐藏单元的极限是有定义的，并且该算法在学习过程中可以自然和自适应地添